Categoria: Núcleo Hits

A NVIDIA vale mais que o PIB do Brasil. Por causa de placa de vídeo. Entenda.

CPU vs GPU em uma analogia

Imagine que você precisa fazer mil contas de multiplicação. Você tem duas opções:

CPU (o processador normal do seu PC): 1 pessoa muito inteligente fazendo uma conta por vez, super rápido. Excelente pra tarefas complexas em sequência.

GPU (a placa de vídeo): mil pessoas fazendo contas simples ao mesmo tempo, em paralelo. Cada uma faz uma multiplicação boba, mas todas juntas resolvem o problema num piscar de olhos.

É por isso que IA precisa de GPU. Treinar um modelo tipo o GPT é fazer zilhões de multiplicações simultâneas — ajustar bilhões de pesos numa rede neural. CPU faria isso em anos. GPU faz em dias.

Por que custa R$200 mil?

As GPUs mais potentes hoje são a H100 e a Blackwell, da NVIDIA. Elas custam absurdamente caro por três motivos:

1. Monopólio prático. A NVIDIA domina ~90% do mercado de chips pra IA. Sem concorrência real, ela dita o preço.

2. Demanda explosiva. Google, Microsoft, Meta, Amazon, OpenAI, xAI — todos comprando GPUs aos milhares pra montar data centers. A fila de espera chega a meses.

3. Complexidade de fabricação. Cada GPU tem dezenas de bilhões de transistores. Só a TSMC (em Taiwan) consegue fabricar chips na precisão que a NVIDIA precisa. É arte no limite da física.

E quem fabrica a GPU?

A NVIDIA não fabrica o chip físico — ela projeta e a TSMC fabrica. A NVIDIA desenha a arquitetura, cria o software (CUDA) que faz tudo funcionar e vende o produto final. A margem de lucro é de mais de 70%. Por isso a empresa vale mais que países inteiros.

Resumão: GPU é mil matemáticos fazendo conta ao mesmo tempo. IA precisa disso. E a NVIDIA é a única loja na cidade.

Você usa ChatGPT todo dia mas sabe o que é LLM? É mais simples do que parece.

A ideia em uma frase

LLM significa Large Language Model, ou Grande Modelo de Linguagem. É um programa de computador treinado com bilhões de textos — livros, artigos, sites, fóruns — pra fazer uma coisa aparentemente boba: adivinhar qual é a próxima palavra.

Pense num amigo que leu a internet inteira e virou mestre em completar frases. Você diz “o céu é” e ele sabe que a próxima palavra provavelmente é “azul”. Dá “Brasil é país de” e ele completa “futebol”. Quanto mais texto esse amigo leu, mais esperto ele fica em acertar a continuação.

Por que “Large”?

“Large” é porque o modelo é enorme. O GPT-4, por exemplo, foi treinado com centenas de bilhões de parâmetros — pense nesses parâmetros como conexões sinápticas dum cérebro artificial. Mais parâmetros = mais capacidade de entender contexto, ironia, tom e nuances da língua humana.

LLM vs outros tipos de IA

LLM é especificamente texto. Ele lê e escreve. Já existem outros modelos pra outras coisas: IAs de imagem (como Midjourney, que aprendeu a relação texto→pixel), IAs de música (aprendem padrões de ondas sonoras), IAs de vídeo. Cada tipo treina num tipo de dado diferente. LLM = palavras.

E por que ele “alucina”?

Porque o LLM não sabe o que é verdade. Ele só sabe o que é provável. Se muita gente na internet disse que Napoleão morreu em 1821, o modelo acha que essa é a continuação mais provável e acerta. Mas se a pergunta é obscura, ele chuta uma resposta que parece certa — palavra bonita, sintaxe correta, fato errado. É a famosa alucinação de IA: confia no padrão, não na verdade.

Resumão: LLM é um completador de frases turbo, treinado com praticamente tudo que a humanidade já escreveu. É incrível? Sim. Infalível? Nem um pouco.